Python使用分布式锁的代码演示示例
在计算机并发领域编程中总是会与锁打交道，锁又有很多种，互斥锁、自旋锁等等。
锁总是伴随着线程、进程这样的词汇出现，阮一峰有 一篇文章 对这些名词进行了简单易懂的解释。
我的理解是，使用线程、进程是为了实现并发从而获得性能的提升(利用多核cpu，多台服务器)，但这种并发由于调度的不确定性，很容易出乱子，为了(在一些共享资源、关键节点上)不出乱子，又需要对资源加锁，在操作这个资源时控制这种并发，将乱子消灭。
很多语言都提供了一些线程级别的锁实现以及一些相应的工具，但在进程方面就无能为力了。而一个服务部署到生产环境，往往会部署多个实例，这种情况下，就经常会用到给不同进程用的锁，分布式锁便是在分布式系统中对某共享资源进行加锁的构件。
现在来试着展示一下在python项目中如何使用简单的分布式互斥锁。
不使用分布式锁会怎样
先用一个简单的实例来演示一下，不使用分布式锁会出怎样的乱子。
假设商城系统要做秒杀活动，在redis中记录着 count:1 的信息，到秒杀时间点的时候，会收到许多的请求，这时各应用程序去查redis中count的值，若count还大于0，则将count-1，这样其他请求就不再能秒杀到了。
# -*- coding: utf-8 -*-
import os
import arrow
import redis
from multiprocessing import pool
hot_key = 'count'
r = redis.redis(host='localhost', port=6379)
def seckilling():
name = os.getpid()
v = r.get(hot_key)
if int(v) > 0:
print name, ' decr redis.'
r.decr(hot_key)
else:
print name, ' can not set redis.', v
def run_without_lock(name):
while true:
if arrow.now().second % 5 == 0:
seckilling()
return
if __name__ == '__main__':
p = pool(16)
r.set(hot_key, 1)
for i in range(16):
p.apply_async(run_without_lock, args=(i, ))
print 'now 16 processes are going to get lock!'
p.close()
p.join()
print('all subprocesses done.')
以上代码使用多进程来模仿这种并发请求场景，程序开始的时候将count设为1，之后各进程开始进入等待，当秒数为5的时候，所有进程同时去访问秒杀函数，来看一下效果：
运行结果
redis查询展示
从程序打印与查redis的结果来说并未如愿，本来秒杀商品只有一件，但却被成功抢购到了4次。这是由于各进程在get count的值时，对redis值更新的指令已经发出而还未进行完毕，会让其他进程认为自己可以购得。
这种问题可归为 不可重复读 种类的数据并发问题。
在这种毫无保护的情况下，其他常见并发问题幻读、脏读、第一第二类丢失更新等都有可能发生，这里不再一一举例。
使用zookeeper作分布式锁
作为致力于解决分布式协同问题的知名工具，利用zookeeper提供的api和它对于节点唯一性与顺序一致性的保证可以实现分式式锁。
实现思路为，各进程去创建 /exclusive_lock/lock 的结点，zookeeper保证只有一个client可以创建成功，那么便认为创建成功的那个client获得了锁，当它处理完业务后，将该node删除，其他client会监听到这个事件，并再次尝试创建该节点，如此进行下去。
kazoo 库实现了这种lock，使用起来非常简单，编程人员可以不用再去自己实现acquire，release等锁的通用接口。
同时在python中，对锁的使用往往可以通过优雅的上下文管理器with。
def run_with_zk_lock(name):
zk = kazooclient()
zk.start()
lock = zk.lock("/lockpath", "my-identifier")
while true:
if arrow.now().second % 5 == 0:
with lock:
seckilling()
return
使用zk结果
redis查询展示
当秒杀发生时，只有获得锁的进程可以去进行秒杀操作。
在锁的帮助下，程序按照预想的方式运行了。
使用redis作分布式锁
在redis的网站有 专门介绍如何使用redis作为分布式锁，文尾还附带了对此文章的反对文章以及再次回击的文章，有点精彩。
文章提到了一个redlock的分布式锁设计。
设置锁的redis命令为 set resource_name my_random_value nx px 30000 ，当加nx参数时，若resouce_name不存在才会创建，若不存在则会向client返回不同的结果，利用这个机制，便只有一个client可以set成功，就像上面的zk一样了。
但是，实现这样一个分布式锁远不止这么简单，redis并不像zk一样是一个分布式协同工具，会向client做出分布式中各种一致性及容错、可用性的保证。
redis本身也是集群部署的，它们之间有着异步复制时间差、容错等问题可能会出现，要真正做到这个锁的实现在线上大规模分布式系统中可用，真的是要考虑各种情况，很不容易。
关于如何在语言上实现一个锁的接口，redlock的原理与代码实现，以及上述kazoo包里实现lock的源码，我会在另一篇专门的文章中说一下。
redlock-py 包是python语言中对上述文章的实现，我们现在使用它来进行尝试。
rlock = redlock([{"host": "localhost", "port": 6379, "db": 0}, ])
def run_with_redis_lock(name):
while true:
if arrow.now().second % 5 == 0:
with rlock:
seckilling()
return
redis锁运行结果
运行结果和上面使用zk一样，符合程序设计预期。
以上只是基于python语言的一些代码展示，通过使用两个第三方包，来使用分布式锁来避免并发程序中混乱的产生。
但其实这中间是有一个断层的，即，这两个工具都是提供了一个机制，而并不是直接对外提供了操作锁的api，那么如何利用这个机制来实现这样的锁正是这两个第三方做的事情。
简单看过它们实现的源码，以及threading中一些lock的代码，发现在锁的实现上是有着共通之处的，都有通用的acquire与release方法，然后将 enter 与 exit 指向前面两个方法来实现上下文管理器with的用法。
此外，还可以利用关系型数据库如mysql固有的锁机制来作为分布式锁，但由于数据库往往是系统的瓶颈所在，没有必要为它引入不必要的压力。同时，mysql中的锁、隔离级别也有一大堆可说的，在github上找了一下也并未找到一个成熟的像上面的基于mysql实现的对外暴露锁通用api的第三方包，故未能在上面加以展示。
想要说清楚这个事情并没有那么容易，之后我会尝试搞清楚如何写一个比较地道的锁，并对上面两个第三方包的具体实现加以研究，争取把这个断层补上。之后，或许可以尝试实现一下基于mysql的类似第三方包，这需要对mysql的一些机制搞得更加清楚才行。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。